Servidor MCP Neurolorap

Licencia: MIT Pruebas código decodificador

Servidor MCP que proporciona herramientas para el análisis y documentación de código.

Características

Herramienta de recopilación de código

Recopilar código de todo el proyecto
Recopilar código de directorios o archivos específicos
Recopilar código de múltiples rutas
Salida Markdown con resaltado de sintaxis
Generación de índices
Soporte para múltiples lenguajes de programación

Herramienta de generación de informes de estructura de proyecto

Analizar la estructura y las métricas del proyecto
Generar informes detallados en formato Markdown
Análisis del tamaño y complejidad de los archivos
Visualización basada en árboles
Recomendaciones para la organización del código
Patrones de ignorancia personalizables

Related MCP server: Code Snippet Server

Descripción rápida

# Using uvx (recommended)
uvx mcp-server-neurolorap

# Or using pip (not recommended)
pip install mcp-server-neurolorap

No necesitas instalar ni configurar ninguna dependencia manualmente. La herramienta configurará todo lo necesario para analizar y documentar el código.

Instalación

Necesitará tener

Para instalar y ejecutar el servidor:

# Install using uvx (recommended)
uvx mcp-server-neurolorap

# Or install using pip (not recommended)
pip install mcp-server-neurolorap

Esto automáticamente:

Instalar todas las dependencias necesarias
Configurar la integración de Cline
Configurar el servidor para uso inmediato

El servidor estará disponible mediante el protocolo MCP en Cline. Podrás usarlo para analizar y documentar el código de cualquier proyecto.

Uso

Modo de desarrollador

El servidor incluye un modo de desarrollador con interfaz de terminal JSON-RPC para interacción directa:

# Start the server in developer mode
python -m mcp_server_neurolorap --dev

Comandos disponibles:

help : Mostrar comandos disponibles
list_tools : Lista de las herramientas MCP disponibles
collect <path> : Recopilar código de la ruta especificada
report [path] : Generar informe de estructura del proyecto
exit : Salir del modo desarrollador

Sesión de ejemplo:

> help
Available commands:
- help: Show this help message
- list_tools: List available MCP tools
- collect <path>: Collect code from specified path
- report [path]: Generate project structure report
- exit: Exit the terminal

> list_tools
["code_collector", "project_structure_reporter"]

> collect src
Code collection complete!
Output file: code_collection.md

> report
Project structure report generated: PROJECT_STRUCTURE_REPORT.md

> exit
Goodbye!

A través de herramientas MCP

Colección de códigos

from modelcontextprotocol import use_mcp_tool

# Collect code from entire project
result = use_mcp_tool(
    "code_collector",
    {
        "input": ".",
        "title": "My Project"
    }
)

# Collect code from specific directory
result = use_mcp_tool(
    "code_collector",
    {
        "input": "./src",
        "title": "Source Code"
    }
)

# Collect code from multiple paths
result = use_mcp_tool(
    "code_collector",
    {
        "input": ["./src", "./tests"],
        "title": "Project Files"
    }
)

Análisis de la estructura del proyecto

# Generate project structure report
result = use_mcp_tool(
    "project_structure_reporter",
    {
        "output_filename": "PROJECT_STRUCTURE_REPORT.md"
    }
)

# Analyze specific directory with custom ignore patterns
result = use_mcp_tool(
    "project_structure_reporter",
    {
        "output_filename": "src_structure.md",
        "ignore_patterns": ["*.pyc", "__pycache__"]
    }
)

Almacenamiento de archivos

El servidor utiliza un enfoque estructurado para el almacenamiento de archivos:

Todos los archivos generados se almacenan en ~/.mcp-docs/<project-name>/
Se crea un enlace simbólico .neurolora en la raíz de su proyecto que apunta a este directorio

Esto garantiza:

Estructura de proyecto limpia
Organización de archivos consistente
Fácil acceso a los archivos generados
Soporte para múltiples proyectos
Sincronización confiable de archivos en diferentes entornos de SO
Visibilidad rápida de archivos en IDE y exploradores de archivos

Personalización de patrones de ignoración

Cree un archivo .neuroloraignore en la raíz de su proyecto para personalizar qué archivos se ignoran:

# Dependencies
node_modules/
venv/

# Build
dist/
build/

# Cache
__pycache__/
*.pyc

# IDE
.vscode/
.idea/

# Generated files
.neurolora/

Si no existe ningún archivo .neuroloraignore , se creará uno predeterminado con patrones de ignorado comunes.

Desarrollo

Clonar el repositorio
Crear y activar entorno virtual:

python -m venv .venv
source .venv/bin/activate  # On Unix
# or
.venv\Scripts\activate  # On Windows

Instalar dependencias de desarrollo:

pip install -e ".[dev]"

Ejecutar el servidor:

# Normal mode (MCP server with stdio transport)
python -m mcp_server_neurolorap

# Developer mode (JSON-RPC terminal interface)
python -m mcp_server_neurolorap --dev

Pruebas

El proyecto mantiene altos estándares de calidad a través de pruebas automatizadas e integración continua:

Conjunto de pruebas completo con más del 80 % de cobertura de código
Pruebas automatizadas en Python 3.10, 3.11 y 3.12
Integración continua a través de GitHub Actions
Análisis de seguridad periódicos y comprobaciones de dependencia

Para conocer detalles sobre el desarrollo y las pruebas, consulte PROJECT_SUMMARY.md.

Calidad del código

El proyecto mantiene altos estándares de calidad de código a través de varias herramientas:

# Format code
black .

# Sort imports
isort .

# Lint code
flake8 .

# Type check
mypy src tests

# Security check
bandit -r src/
safety check

Todas estas comprobaciones se ejecutan automáticamente en las solicitudes de extracción a través de GitHub Actions.

Canalización de CI/CD

El proyecto utiliza GitHub Actions para la integración y la implementación continuas:

Ejecuta pruebas en Python 3.10, 3.11 y 3.12
Comprueba el formato y el estilo del código
Realiza la verificación de tipos
Ejecuta análisis de seguridad
Genera informes de cobertura
Construye y valida el paquete
Sube artefactos de prueba

La tubería debe pasar antes de fusionar cualquier cambio.

Contribuyendo

¡Agradecemos sus contribuciones! Consulte las directrices en CONTRIBUTING.md .

Licencia

Licencia MIT. Consulte el archivo de LICENCIA para obtener más detalles.

MCP Server Neurolorap